Vi bygger et AI-native produkt. Vi er også dypt AI-skeptiske. De to tingene henger bedre sammen enn du skulle tro.
Rekruttererne som får mest ut av AI akkurat nå, ligger et sted mellom de frelste og de som nekter. De bruker den hele tiden og stoler på den med omhu. De kan lese hva et verktøy forteller dem, de merker når selvsikker output hviler på tynt grunnlag, og deres egen dømmekraft er påskrudd hele veien.
Dette er en guide til å bli den rekruttereren. Den dekker hva AI gjør bra i screening og evaluering, og hvor den ryker. Den siste delen tar et ærlig blikk på bias, inkludert den ubehagelige delen: noen ganger er maskinen den mest rettferdige i rommet.
AI fortjener en plass i rekrutteringsprosessen på samme måte som en kollega gjør det: ved å vise arbeidet sitt.
De to måtene å bomme på
Det finnes to måter å feile på, og de speiler hverandre.
Begge kjennes ansvarlige innenfra, og begge koster deg gode ansettelser. Mellomveien krever mer: la maskinen gjøre det den er god på, mens du står ansvarlig for beslutningen.
Hva AI gjør bra
La oss først være rettferdige mot verktøyene.
Volum er det opplagte. Et menneske som screener CV nummer 400 er ikke samme screener som på nummer 4. AI leser nummer 400 akkurat som nummer 1, og den konsistensen er vanskelig for et menneske å matche.
Den fanger også kandidater et rigid filter ville begravd. Nøkkelordmatching avviser en glimrende kandidat fordi hun skrev «ledet et team» i stedet for «ledererfaring». Kontekstuell AI forstår at det betyr det samme.
Det uglamorøse arbeidet er kanskje den største gevinsten. Å gjøre en springende CV, en LinkedIn-profil og en bunke intervjunotater om til én søkbar profil er slit for et menneske og trivielt for en maskin. Legg til en førstegangsmatch mot rollens krav, så kommer køen ferdig sortert, og oppmerksomheten din går dit den mest sannsynlig gir avkastning.
Legg merke til formen på alt dette: AI håndterer silingen, et menneske beholder beslutningen. Hver eneste fallgruve nedenfor oppstår når den linjen viskes ut.
Hvor den ryker
Så den andre siden.
Den store er tonen. AI formulerer en svak slutning like flytende som en sterk en, så en heldig gjetning kan leses som en solid konklusjon, med mindre verktøyet gjør usikkerheten synlig.
Så har du manglende kontekst. En kandidat tok to år fri for å pleie en forelder, eller byttet bransje med vilje. Hullet eller svingen dukker opp som et varselflagg, med mindre systemet ble bygget for å holde på den konteksten.
En modell trent på «hvem vi har ansatt før» har et mer subtilt problem. Den lærer å reprodusere fortiden din, med blindsonene inkludert, når det du egentlig vil ha er en match mot rollen foran deg.
Verst av alt er det gale svaret du ikke kan inspisere. Ser du ikke hvorfor en kandidat ble silt ut, kan du verken forklare det for dem eller rette det.
Et verktøy som skjuler resonnementet sitt, ber deg om å adlyde det.
Spørsmålet om bias
Folk tar feil her i begge retninger, så det fortjener litt presisjon.
Mennesker er biased, og biasen er usynlig for den som bærer den. Tiår med forskning lander på de samme funnene: identiske CV-er får færre tilbakemeldinger når navnet leses som en kvinne eller en minoritet, og intervjuere favoriserer folk som ligner dem selv. Menneskelig dømmekraft er dessuten støyete. Samme rekrutterer vurderer samme kandidat ulikt avhengig av tidspunkt på dagen eller forrige søker. Nesten ingenting av dette er bevisst, og nesten alt blir benektet.
AI er også biased, på sin egen måte. En modell trent på en skjev historikk lærer seg skjevheten. Det berømte skrekkeksempelet er rekrutteringsverktøyet som lærte seg selv å nedgradere CV-er som inneholdt ordet «kvinners», etter trening på et tiår med mannsdominerte ansettelser. Hold den historien nær. Det skjedde hos et sofistikert selskap, og ingen hadde planlagt det.
Så kommer delen som sitter ubehagelig hos skeptikere: AI-ens bias kan måles og korrigeres på en måte menneskelig bias aldri har tillatt.
Så «AI har mindre bias enn mennesker» holder, men bare på betingelser. Systemet må være bygget for måling og åpent for korrigering. En svart boks kan fint være mer biased enn rekruttereren den erstattet, uten at noen noensinne får vite det.
En dose ydmykhet hører hjemme her også. Selv det best bygde systemet er aldri helt rent; bias kan gjemme seg i treningsdataene eller i kravene du definerte, og en revisjon fanger skjevhetene du visste å lete etter. Det et godt bygget system ærlig kan tilby, er mindre bias, pluss en reell måte å rette det du finner på. Tillit kommer fra innsyn, og innsyn må designes inn fra starten.
Konsistens du kan ettergå. Ingen systemer er fri for bias, men et reviderbart system lar deg finne skjevheten og rette den.
Slik leser du et AI-rekrutteringsverktøy
Her er den praktiske delen. Når du vurderer eller bruker et verktøy, still det disse spørsmålene.
- Kan det vise resonnementet sitt? For enhver screening eller flagging skal du kunne se hva vurderingen bygde på. En naken score uten noe bak er en grunn til å gå videre.
- Signaliserer det hvor sikkert det er? Gode verktøy formulerer en svak konklusjon slik at den leses som svak. Kommer alt tilbake like skråsikkert, blir usikkerheten skjult for deg.
- Kan et menneske overstyre det, og blir overstyringen logget? Du må kunne være uenig og endre beslutningen, med et spor etter det. Den loggen er samtidig revisjonssporet ditt.
- Hva ble det trent til å optimalisere for? «Ligner tidligere ansettelser» bør bekymre deg. «Matcher kravene i denne rollen» er det du vil ha.
- Hvem tar den endelige beslutningen? Et verktøy som auto-avviser kandidater uten et menneske involvert, er et juridisk problem i store deler av verden, og et dømmekraftproblem overalt.
Derfor bygget vi det slik
Vouch er AI-native fordi silingen bør automatiseres. Ingen tenker sitt beste på dagens CV nummer 400. Og hver del av produktet er bygget for skeptikeren, fordi vi er det selv.
Vurderinger kommer med bevisene bak, og konklusjoner er formulert i takt med hvor sterke bevisene er, så en magefølelse leses som en magefølelse. Menneskelige overstyringer loggføres, og mennesket tar alltid den endelige beslutningen. Vouch sorterer køen og viser arbeidet sitt; du bestemmer.
Ta AI-native-siden og skeptiker-siden på alvor samtidig, og dette er det som faller ut: et verktøy som gir deg alt du trenger for å ettergå det. Vi mener det er den eneste typen som fortjener tillit i rekruttering.